【量化课堂】RSRS(阻力支撑相对强度)择时策略

聚宽量化官方账号

概述

本篇基于光大证券研报《基于阻力支撑相对强度(RSRS)的市场择时》，给出了RSRS斜率指标择时，以及在斜率基础上的标准化指标择时策略。

一、阻力支撑相关概念

阻力位是指指标价格上涨时可能遇到的压力，即交易者认为卖方力量开始反超买方，从而价格难以继续上涨或从此回调下跌的价位；支撑位则是交易者认为买方力量开始反超卖方，从而止跌或反弹上涨的价位。

常见的确定阻力支撑位的方法有，布林带上下轨突破策略（突破上轨建仓买入，突破下轨卖出平仓）和均线策略（如超过20日均线建仓买入，低于20日均线卖出平仓）。然而，布林带突破策略在震荡期间出现了持续亏损，均线策略交易成本巨大，且在震荡期间的回撤很大。

二、阻力支撑相对强度（RSRS）

阻力支撑相对强度(Resistance Support Relative Strength, RSRS)是另一种阻力位与支撑位的运用方式，它不再把阻力位与支撑位当做一个定值，而是看做一个变量，反应了交易者对目前市场状态顶底的一种预期判断。

我们按照不同市场状态分类来说明支撑阻力相对强度的应用逻辑：

1.市场在上涨牛市中：
如果支撑明显强于阻力，牛市持续，价格加速上涨
如果阻力明显强于支撑，牛市可能即将结束，价格见顶
2. 市场在震荡中：
如果支撑明显强于阻力，牛市可能即将启动
如果阻力明显强于支撑，熊市可能即将启动
3.市场在下跌熊市中：
如果支撑明显强于阻力，熊市可能即将结束，价格见底
如果阻力明显强于支撑，熊市持续，价格加速下跌

每日最高价和最低价是一种阻力位与支撑位，它是当日全体市场参与者的交易行为所认可的阻力与支撑。一个很自然的想法是建立最高价和最低价的线性回归，并计算出斜率。即：

当斜率值很大时，支撑强度大于阻力强度。

当斜率值很小时，阻力强度大于支撑强度。

三、阻力支撑相对强度（RSRS）指标择时策略

第一种方法是直接将斜率作为指标值。当日RSRS斜率指标择时策略如下：
1、取前N日最高价与最低价序列。（N = 18）
2、将两个序列进行OLS线性回归。
3、将拟合后的β值作为当日RSRS斜率指标值。
4、当RSRS斜率大于S(buy)时，全仓买入，小于S(sell)时，卖出平仓。（S(buy)=1,S(sell)=0.8）

由于市场处于不同时期时，斜率的均值有比较大的波动。因此，直接采用斜率均值作为择时指标并不太合适。我们尝试下面的方法。

第二种方法是在斜率基础上进行标准化，取标准分作为指标值。RSRS斜率标准分指标择时策略如下：

1、取前M日的RSRS斜率时间序列。（M = 600）

2、计算当日RSRS斜率的标准分RSRS(std)：

3、若RSRS(std)大于S(buy)，则全仓买入；若RSRS(std)小于S(sell)，则卖出平仓。（S(buy)=0.7,S(sell)=−0.7）

注：benchmark和标的股票均为沪深300指数，尝试N取自10-30，M取自400-800，发现N=18，M=600时收益率最高。

该策略从2010-01-01至2017-12-15，开平仓35次，总收益186.67%，年化收益14.58%，胜率0.556，盈亏比4.568，最大回撤20.031%。

四、RSRS右偏标准分交易策略

在使用斜率量化阻力支撑相对强度时，其量化效果很大程度上受拟合本身效果的影响。我们将RSRS标准分与决定系数相乘得到RSRS修正标准分，以此降低绝对值很大，但拟合效果很差的RSRS标准分对策略的影响。通过这种变换，修正RSRS标准分有明显的向正态修正的效果，如下图所示：

然而，修正标准分在预测性上的改善效果主要体现于标准分左侧，在做多策略中，左侧预测性改善对择时策略帮助并不大。我们将RSRS修正标准分与RSRS斜率值相乘得到RSRS右偏标准分。其分布如下图，可以看出右偏标准分左侧较薄，而右侧较厚。

同时给出如下RSRS右偏标准分交易策略（取值来自研报）：
1、计算RSRS右偏标准分RSRS(rightdev)（N = 16, M = 300）
2、若RSRS(rightdev)大于S(buy)时，全仓买入；若RSRS(rightdev)小于S(sell)时，卖出平仓。（S(buy)=0.7,S(sell)=−0.7）

采用研报的参数值，得到策略情况如下：

基准和标的股票仍然选定沪深300指数，时间选取2010-01-01至2017-12-17。总收益率为209.03%，年化收益15.70%，胜率0.6，最大回撤24.989%，开平仓29次。

通过不断尝试调整参数值，我们希望得到一个更好的策略表现。N取值在10-30之间时，N=18依然表现最佳；但是M取值较大时，收益率有提升的趋势，特别当M从750变为800时，总收益率从190%跃升至250%左右。由于平台的数据从2005年开始，M值设为1200时将会超出数据范围。在可以取到的M值中，M = 1100时策略表现最佳：

总收益率为290.12%，年化收益19.24%，胜率0.636，最大回撤17.775%，开平仓28次。

无论从收益率、胜率上，还是从最大回撤上，上述参数值都比研报中给出的参数值表现要好。这可能由于计算标准分的方法不同。其研报中计算的标准分并没有用到时间区间之外的数据：M=600时，回测前600天并没有600个斜率数据来计算标准分，比如回测第50天就只使用了50个斜率数据进行标准化，这使得回测前期信号相对不稳定。而我们计算标准分时，固定了移动窗口的值，所有日期的标准分采用了相同个数的数据来计算。

五、RSRS指标配合量价数据优化策略

为了规避掉在大熊市买入的情况，我们尝试在开仓时，加入一个对目前市场状态的判断，过滤掉下跌行情中的开仓。下面给出基于价格趋势和基于交易量趋势两种优化。

1. RSRS指标 + 价格优化交易策略

一个直接的想法是从近期历史价格趋势进行判断，在回测中，使用前1日的20日均线值和3日前的20日均线值的相对大小牌判断近期市场状态。策略如下（取值来自研报）：
1、计算RSRS右偏标准分指标RSRS(rightdev)。（N = 18, M = 600）
2、若RSRS(rightdev)大于S(buy)，同时满足前1日的MA20的值大于前3日的MA20的值，则全仓买入。（S(buy)=0.7）
3、若RSRS(rightdev)小于S(sell)，同时满足前1日的MA20的值小于前3日的MA20的值，则卖出平仓。（S(sell)=−0.7）

采用研报的参数值，得到策略情况如下：

总收益率为200.22%，年化收益15.27%，胜率0.818，最大回撤17.616%，开平仓12次。

调整参数发现，N = 18, M = 200时，策略表现略好于之前：

总收益率为213.85%，年化收益15.93%，胜率0.889，最大回撤15.156%，开平仓10次。

2. RSRS指标 + 交易量相关性优化交易策略

很多研究表明市场涨跌与交易量有明显的正相关性，因此我们尝试采用交易量与修正标准分的相关性来过滤误判信号。在相关性为正时，给出买入信号。策略如下（取值来自研报）：
1、计算RSRS右偏标准分指标RSRS(rightdev)。（N = 18, M = 600）
2、若RSRS(rightdev)大于S(buy)，同时满足前10日交易量与RSRS修正标准分之间的相关性为正，则全仓买入。（S(buy)=0.7）
3、若RSRS(rightdev)小于S(sell)，则卖出平仓。（S(sell)=−0.7）

采用研报的参数值，得到策略情况如下：